0 引言

仓储治理是供应链治理的重要环节, 而拣货作业又是仓储运动中最费时辛苦的操作。据测算, 货仓的拣货作业本钱, 可达仓储本钱的50%至60%左右。提高拣货操作的效率对提高配送中心整体的运作效率和经营状况有着显著的现实意义。为提高拣货效率, 一个行之有效的要领是通过对存货的储位进行优化, 缩短拣货历程中在库位间来回行走的距离, 进而缩短操作时间, 提高事情效率。

近年来海内外学者、从颐魅者对储位优化问题进行了大宗的研究。李珍萍, 冯卉妍, 崔晓洁[1]以拣货距离最短为目标, 建立了一个纯粹寻求提高事情效率的储位优化模型, 并利用遗传算法对模型进行求解;陈荣、周超[2]在自动化立体货仓中, 以拣货耗时最短、能耗最低、坚持货架平衡以及货架的重心最低为目标, 建立包括四个目标的数学优化模型;H.Brynzer, M.I.Johansson[3]提出凭据零件可组装成的产品, 将零件分成差别的类别, 最后将整体需求最高的同类零件存入离出口最近的存储区域, 从而降低拣货的行走距离和操作时间。Chin Chia Jane[4]将货仓凭据事情人员划分成若干个包干区, 并以平衡各个区域事情量及维持拣货操作在各区域间不间断接力行进为目标建立储位优化模型, 并通过启发式算法对其求解。

储位分派的历程中需要考虑货物的重量体积与货架容积承重之间的关系, 现有的文献要么把库位的承重、容积关于产品的重量、体积等客观限制条件看成次要矛盾进行了简化或忽略, 从而酿成了在理想情况中进行的纯学术研究, 实用性有限;要么就是通过收集仓储企业全方面信息, 将所有能考虑到的条件都涵括在内, 通过完备的数学模型实现优化。这类模型对物流货仓的信息治理水平要求较高, 运用的门槛较高。本文以一个存储货物的重量、体积等要害属性数据缺失的立体货仓为研究工具, 寻求一种兼顾实用性的低门槛储位优化要领。

1 储位优化的要领和办法

常见的储位优化的要领有如下几种。

1.1 ABC分类法

就是将存货凭据出库的频率从高到低分为A、B、C三类。A类货物出库频率最高, 应安排于靠近货仓出口的区域;B类产品收支频率一般, 应存放在货仓中间的区域;C类货物的出库频率最低, 可放在货仓最深处。

随着时间的推移, 货物的需求量会爆发变革, 相应的A、B、C分类也随之变革。所以在进行分类时需要注意到数据的时效。

1.2 将货物进行相关性分类

凭据货物的某项或多项属性进行分类。例如文献[3]所接纳的凭据零件所能组装成的产品对零件进行分类;又如“啤酒和尿布”的经典案例, 将相关性较大的物品放在邻近的位置, 可以降低物品的进出库次数, 减少操作人员的事情量。

1.3 平衡各区域的事情量

这种要领的目标是将货仓中每一个区域的进出库量控制在相同水平, 制止事情量集中在某一区域, 在拣货、收支库操作时造成拥堵, 造成不须要的期待时间。

1.4 离开存放容易混肴的货物

尤其在以人工操作为主的货仓, 为了制止拣货员花费特另外时间甄别货物甚至拣错货物, 应当将容易混肴的货物离开存放。

本文研究的目的是寻求一种储位分派战略, 将出库频率最高的货物安排到离出口最近的位置, 从而提高的拣货效率, 这显然与ABC分类法的思想一脉相承。一份有效、合理的优化计划, 需要考虑到实际操作中的种种制约因素, 例如储位的容积巨细、货架的承重能力等。为了能系统的了解A公司货仓的具体操作, 提出合理的优化计划, 本文将凭据以下的办法展开研究。

第一步, 收集和剖析货仓相关的数据资料。具体包括货仓货位特性、物料需求、产品目今存放的状态等一些基本却要害的属性数据, 这些数据可以为实现合理有效的货位分派提供重要的参考依据。

第二步, 构建储位优化模型。储位优化的目标, 就是缩短拣货行走路径的长度, 从而降低拣货操作的耗时, 提高货仓事情效率。在优化历程中, 需要考虑到一些客观限制条件, 例如货物的规格尺寸与重量、货位自己的巨细、拣货作业的准确率要求等。这些限制条件即是优化模型的约束条件。

第三步, 优化模型求解。求解多目标优化的问题的要领有许多种, 为了能够获得满意的结果, 选择合适的要领十分有须要。

第四步, 仿真实验和优化结果剖析。得出优化结果后, 接纳一段时间内的货仓内运作的数据进行仿真, 验证优化的效果。

2 仓储业务信息收集及假设

2.1 存货的要害属性

本文研究的A企业是一家经营鞋服销售企业。鞋服行业常见的经营模式是在产品上市前的6至12个月, 品牌公司召开新品宣布会, 并于会后收集经销商的订单, 并在6到12个月后向经销商发货。凭据历史统计, 这批在宣布会后收到的订单占历年销售的70%左右。因此, 可以假设目今在库货物在未来一段时间内的出库次数可以预估。

优化是否可以顺利实施, 还取决于库位是否有能力装载移入的货物。可是A公司缺失其货物总量体积信息, 需要通过别的途径来包管优化的可行性。

2.2 货仓结构

图1 货仓货架漫衍图  

图1所示, A企业货仓自南向北分为事情区、大货架存储区和小货架存储区。收支口的位于最南端事情区中间的出库扫描区。而凭据A企业经营的差别品牌, 又将货仓存储区域自西向东划分为三个差别的区域, 划分存放差别品牌的货物。

以西南角第一排货架中第一层的第一个库位为原点, 笔直于货架排列的偏向为x轴, 平行于货架的偏向的为y轴, 建立三维坐标系, 则通过实地丈量, 可获得任意库位i的坐标Pi (xi, yi, zi) , 另外, 设收支口为“0”, 同理可测得收支口的坐标为P0 (x0, y0, z0) , 则任意库位距离收支口的距离为:

其中, β为高度影响系数。拣货员拣取高层货物的时候, 往往需要借助一些设备, β的取值决定于取用设备前往高层库位取货的难易水平。

凭据每个库位的尺寸和材质, 可将库位分为五类, 划分用自然数1至5体现, 其中三类在大货架区, 两类在小货架区。具体规格如表1所示。

表1 货架货仓的规格

显然, 存放在容积小的库位中的货物可以存入到容积更大的库位。为了合理利用存储空间, 无妨约定目今存放在第1、2、3类库位货物, 只能在相同类型的库位中进行优化调解;而在第4类库位中的货物, 除可在本类货架中进行调解外, 还可以存放到第一类货架;类似的, 第5类货架中的货物可以的调入第2、3、5类库位。

最后, 为了简化拣货操作, 每一个库位内只允许存放一种SKU。这样可以减少拣货员挑选货物的时间, 降低拣错货的时机。

3 建立优化模型并求解

凭据本文的优化目标, 可建立如下优化模型:

ST:

式中:

fj———货物j的预测拣货次数;

di———库位i到出收支口的距离;

xij———决策变量;

图2 优化前后拣货库位热力图   

L———所有库位的荟萃;

M———库存中所有货物SKU的荟萃;

ki———目今存放在库位i中的货物将要存入新库位所属的货架类型;

ki———库位i所属的货架类型;

bi———库位i所在的品牌区域;

bj———货物j所属的品牌。

约束条件 (2) 是指库位只能从货仓中现存的库位中选择;约束条件 (3) 要求存入货仓的货物只能是目今的库存中保存的;约束条件 (4) 标明决策变量为0-1变量, 当xij=1时, 体现货物j放在库位i上;约束条件 (5) 体现所有的库位最多只能存放一种SKU;约束条件 (6) 体现每一个SKU都必须放入库位, 且只能放入一个库位, 不得离开存放;约束条件 (7) 要求所有的货物只能在相同类型的库位之间或往容积更大的库位移动;约束条件 (8) 则要求货物凭据其品牌存入对应的区域。

本文通过Python的Pu LP库对该线性计划模型进行求解。Pu LP是Python中的一个专门解决线性计划 (LP) 和混淆整数计划 (MILP) 问题的第三方扩展库。通过Pu LP实现模型求解语句简洁易懂, 灵活性强, 便于移植推广。

接纳A公司货仓今年9月初在库的包括7800种SKU真实库存数据及其当月出库预测对储位分派进行优化, 并划分盘算优化前后的目标函数值。得:

优化前Z前=368, 181.00, 优化后Z后=183, 052.01, 减少近50%。

最后, 利用9月份真实订单数据———共1111条订单需会见种种库位凌驾11000次———对优化前后的储位分派进行仿真, 并凭据拣货历程中每个库位被会见的次数绘制拣货库位的的热力图, 验证优化的效果。

如图2所示, 优化前种种货物近似随机地漫衍在货仓各区域, 许多出库频次较高的货物甚至被放在货仓深处的库位, 拣货员需要穿越整个货架区域才华将这些货物取出并送到出库扫描区;优化后, 各品牌出库频次最高的货物都被安排在靠近出口的库位。同时, 为包管优化计划的可行性, 凭据约束条件 (6) 和 (7) , 部分出库频次较高的货物仍被存放在货仓深处区域, 但整体情况较优化前获得显著改善, 故优化模型有效。

4 总结

本文列举了常见的储位优化的要领, 并在对海内外学者的研究结果进行了回首, 发明现有的优化计划并不可贴合我国许多还处于生长阶段的物流仓储企业的治理现状。

之后, 本文以A公司的一个以人力操作为主、货物要害属性数据缺失的立体货仓为研究工具, 以提高拣货操作效率为目标, 兼顾货架的容纳能力, 建立了储位优化模型并进行求解。最后通过来源于企业的真实数据进行仿真, 优化后函数值减少50%, 优化效果显著。

然而, 本文在对储位进行优化时, 为了规避货物要害数据缺乏的困境, 只考虑了在同类库位之间或往更大库位进行移动的方法进行调解, 使得优化效果大打折扣。如果条件允许, 还应该接纳种种丈量、预计手段, 获取货物所缺失信息, 挣脱上述限制, 完善模型, 最求更优的结果。另外, 优化历程中也没有对平衡货仓各区域的事情量进行太多考虑。为了确保高效的货仓运作, 均衡的事情量十分有须要, 可在这方面进行更深入研究。